基于拓扑数据分析的驾驶疲劳EEG数据处理与优化分析研究

为提高驾驶疲劳脑电(EEG)数据处理与分析的准确性和鲁棒性,提出一种基于拓扑数据分析(TDA)的驾驶人疲劳脑电分析方法。首先利用汽车性能虚拟仿真平台开展驾驶实验,通过驾驶人状态反馈和面部特征视频,标记脑电数据,形成清醒和疲劳二分数据集。之后利用EEGLAB预处理数据,剔除噪声并保留0.3~30 Hz频带,直接从时域EEG数据中提取拓扑特征。此外还提取了经典频域特征α波能量和α/β用于对比分析。最后使用支持向量机进行分类。结果表明,基于持久同源(PH)的拓扑特征取得了高达88.7%的准确率和91.4%的召回率,与经典频域特征性能相当,且对脑电伪影的鲁棒性明显更好,在未剔除EEG伪影的情况下仍取得了87.4%的准确率和89.7%的召回率。综上所述,本文提出的用于驾驶疲劳脑电信号处理与分析的TDA方法抗干扰特性好、处理成本低、经济性高,有助于稳定、高效地处理驾驶人脑电数据并检测驾驶疲劳状态,具有较大的科学实际应用价值。